脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以α稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。

基于概率密度函数匹配与分数低阶矩的并行盲均衡算法

为了提高脉冲噪声下盲均衡器的性能,该文提出一种基于概率密度函数匹配与分数低阶矩的并行盲均衡算法。首先采用概率密度函数匹配的思想进行盲均衡,充分利用其收敛速度快的优势。为了解决此均衡过程中引起的相位信息损失以及抑制脉冲噪声能力差的问题,又以并行的方式结合判决信号的分数低阶矩,并以此作为代价函数来共同更新盲均衡器的权向量,进一步提高了算法在脉冲噪声下的收敛速度与收敛精度。仿真实验表明,所提算法在有效解决相位旋转问题的同时较好地抑制了脉冲噪声,此外还具有较快的收敛速度和较小的稳态误差,稳健性较强。

重构分数低阶协方差的子空间拟合测向算法

基于重构的分数低阶矩阵,提出了重构分数低阶协方差的多重信号分类测向算法和信号子空间拟合测向算法。为了快速求解所提出的测向算法,设计了一种可进行多维搜索的自适应差分粒子群优化算法。利用粒子群算法和差分进化算法的优点,可以获得测向问题的全局最优解。Monte-Carlo仿真证明了所提测向算法可有效分辨相干源,并且其检测性能优于已有的一些经典算法。

分数低阶α稳定分布下DLMP算法的收敛特性分析

DLMP算法是一种在高斯和分数低阶α稳定分布噪声环境下均具有良好韧性的EP信号潜伏期变化检测算法 .本文基于分数低阶统计量的原理 ,根据确定性平均方法 ,结合文中给出并证明的两个引理 ,对DLMP算法的收敛性能进行了理论分析和证明 .结果表明 ,若EP潜伏期变化为EP信号采样间隔的整数倍 ,则DLMP算法对这种变化的估计是无偏估计 .若整数倍的条件不满足 ,则DLMP算法的估计偏差不大于半个采样间隔 .

拟牛顿分数低阶恒模算法的研究

为了提高分数低阶恒模均衡算法的收敛速度,提出了一种基于分数低阶恒模代价函数的拟牛顿自适应盲均衡算法。由于在权矢量更新方程中引进了代价函数的二阶Hessian矩阵,从而使算法的收敛速度较利用最速下降法的分数低阶恒模算法大大提高且具有较好的韧性。利用Matlab对两种算法进行仿真,仿真结果对新算法性能的提高进行了验证。

一种基于分数阶傅里叶变换域加权MUSIC算法的移动单站多目标无源定位方法

针对多个线性调频信号目标源存在的情况,通过分析接收信号的多普勒频移,建立移动单站上天线阵列对多分量线性调频(LFM)信号的接收模型,提出基于分数阶傅里叶变换(FRFT)域加权MUSIC算法的无源定位方法,实现了低信噪比下多目标的信号检测与方位估计.仿真结果表明,该算法可以分辨多个频率及空间相近的目标源,且精度很高.

一种分数低阶统计量广义恒模盲多用户检测算法

针对实际盲多用户检测系统中存在的大量噪声呈现非高斯性,而这种非高斯性使基于高斯噪声假定下的恒模盲多用户检测算法的性能显著退化甚至不能正常工作,本文提出了一种分数低阶统计量的广义恒模盲多用户检测算法。该算法是分数低阶统计量恒模算法的推广,能有效地应对非高斯噪声的影响,具有广泛的适用性。通过以DS-CMDA系统为例,将分数低阶统计量广义恒模盲多用户检测算法与传统恒模盲多用户检测算法(CMA)、分数低阶统计量恒模盲多用户检测算法(FLOS-CMA)进行了对比,实验仿真结果表明:无论在高斯白噪声下还是在α稳定分布噪声下,分数低阶统计量广义恒模盲多用户检测算法均具有良好的抗多址干扰和抑制噪声的性能,并且该算法具有更快的收敛速度。

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。

基于改进布谷鸟算法的分数低阶盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了改进布谷鸟算法优化的分数低阶统计量常模盲均衡算法(SCS-FLOSCMA)。该算法将椋鸟鸟群的集体性行为引入到基础布谷鸟算法(CS)中,有效提高了搜索精度,减少了CS算法后期过早收敛的风险;然后把改进后的CS算法引入到分数低阶常模盲均衡算法(FLOSCMA)中,将搜索过后得到的全局最优巢作为均衡器的初始权向量。仿真表明,与CMA和FLOSCMA算法相比,该方法在均方误差曲线更稳定,收敛速度也更快。

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MU S IC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS:Symmetric-αstable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。

基于分数低阶统计量的线性约束恒模盲自适应波束形成方法

为解决传统恒模波束形成算法在受冲击噪声污染的无线环境中的性能退化问题,本文提出基于分数低阶统计量的线性约束恒模盲自适应波束形成方法,并从理论上分析了算法收敛条件。仿真实验表明,在稳定分布噪声下,新方法具有比传统恒模波束形成方法更好的韧性,而且比线性约束最小平均P范数波束形成方法具有更高的输出信干噪比,即使在强脉冲干扰环境下新方法仍具有较好的信号恢复能力。

抽水蓄能机组低水头工况分数阶PID控制及多目标优化

为提高抽水蓄能机组低水头工况下的控制品质,提出了一种基于精细化模型的抽水蓄能机组低水头分数阶PID(FOPID)控制多目标优化策略。首先,充分考虑过水系统、水泵水轮机等机构非线性,建立抽水蓄能机组调节系统精细化模型。在此基础上,引入时间绝对误差积分指标(ITAE)衡量FOPID的控制性能,构造额定水头和低水头工况下机组控制品质的目标函数。进一步,提出了混合变异-邻域搜索多目标粒子群算法对所建模型进行求解。结果表明,本文提出的多目标优化策略在保证机组额定水头工况控制性能的同时提升了机组在低水头工况下的控制品质,优化结果可为机组的安全稳定运行提供决策支持。

抗冲激噪声的核分式低次幂自适应滤波算法

文中提出了一种基于分数低阶统计误差准则的抗非高斯冲激噪声的核分式低次幂(KFLP)算法。在存在脉冲干扰的环境下,该算法利用权重更新公式中存在瞬时估计误差的倒数系数的有利特性,使得算法在瞬时估计误差突然增大时的权重向量自动停止更新,由此消除了脉冲干扰对权重向量的影响。仿真结果表明,在相同的冲激噪声环境下,随着代价函数的幂次逐渐趋近于1,核分式低次幂算法的稳定性将得到进一步的提高。另一方面,在非高斯脉冲环境下与采用传统的均方误差准则的核最小均方(Kernel Least-Mean-Square,KLMS)算法相比,所提算法的收敛曲线更加平滑,性能更加稳定。

基于FLOM和LSTM的频谱感知算法

为解决现有频谱感知检测方法在Alpha噪声中性能下降的问题,提出一种基于FLOM(fractional low order moment,FLOM)和LSTM(long short-term memory,LSTM)神经网络的频谱感知算法。利用分数低阶矩在解决非高斯噪声下感知性能退化的强大能力以及长短期记忆神经网络在解决时序特性问题上的强大处理能力,设计一个频谱感知算法。不同于现有的基于能量和协方差矩阵等二阶统计量的频谱感知,利用FLOM对数据进行分数低阶预处理后,LSTM通过提取分数低阶协方差矩阵的特征进行决策。仿真结果表明,该算法比传统的频谱感知算法具有更高的检测概率。在低信噪比下,基于分数低阶矩阵感知的LSTM检测方案的检测概率比其它基于数据驱动的检测方法改善了至少15%。

α稳定分布噪声环境下DLMP算法的收敛特性分析

本文给出了分数低阶统计量的一个定理,对DLMP算法的收敛性进行了数学分析和理论证明.包括:DLMP算法代价函数的收敛性证明以及DLMP算法步长因子μ值的选取分析.当p=2时,DLMP算法的代价函数,算法估计结果的无偏性以及算法的步长因子μ值的选取范围均与基于二阶统计量的DLMS算法保持了统一.证明了DLMP算法为DLMS算法在α(1<α≤2)稳定分布噪声环境下的推广.

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵，然后利用MUSIC算法实现DOA估计。与基于分数低阶矩（FLOM）的算法相比，该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。

Alpha稳定分布噪声环境下类M估计相关的DOA估计新算法

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关(MELC),通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向(DOA)估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号(圆对称信号或非圆对称信号)的适应性方面获得比基于分数低阶统计量(FLOS)的MUSIC方法更好的估计性能。

α稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖峰脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.

脉冲噪声环境下的改进MUSIC谱估计方法

针对传统MUSIC谱估计方法在脉冲噪声环境下的退化现象,依据脉冲噪声特性,基于分数低阶协方差的定义,首先对带噪信号进行非线性处理,然后再计算非线性处理后信号的自相关矩阵,得到改进MUSIC和改进的ROOT-MUSIC谱估计方法.理论分析和仿真结果表明,新方法在高斯噪声和脉冲噪声环境下均具有良好的性能,改进的ROOT-MUSIC谱估计方法在处理短序列信号时性能明显优于改进的MUSIC谱估计方法.